Reynolds stress distribution and turbulence generated secondary flow in the turbulent three-dimensional wall jet
Notice bibliographique
Résumé
The lateral half-width of the turbulent three-dimensional wall jet is typically five to eight times larger than the vertical half-width normal to the wall. Although the reason for this behaviour is not fully understood, it is caused by mean secondary flows that develop in the jet due to the presence of the wall. The origin of the secondary flow has been associated previously with both vorticity reorientation and also gradients in the Reynolds stresses, although this has not been directly quantified as yet. The present investigation focuses on a wall jet formed using a circular contoured nozzle with exit Reynolds number of 250 000. Stereoscopic particle image velocimetry measurements are used herein to measure the three-component velocity, thereby allowing access to the full Reynolds stress tensor that contributes to the secondary flow in a turbulent three-dimensional wall jet. Throughout the jet, the Reynolds normal stress ( $\overline{u^{2}}$ ) makes the largest contribution to the Reynolds stress field whereas Reynolds shear stress ( $\overline{vw}$ ) is found to be negligible when compared with other stresses. In particular, the differences in the Reynolds normal stresses ( $\overline{v^{2}}-\overline{w^{2}}$ ) are found to be significantly larger than $\overline{vw}$ ; these terms are important for the generation of turbulence secondary flow in the wall jet. Above all, the differences in the Reynolds normal stresses are oriented to reinforce the near-wall streamwise vorticity, and thus contribute to the large lateral growth of this flow. The contours of the turbulent kinetic budget indicate that the turbulent energy budget obtained on the jet centreline is different from that obtained off of the jet centreline.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».